python抓取动态网页( 如何利用Webkit从JS渲染网页中获取数据代码？)

　　python抓取动态网页(

如何利用Webkit从JS渲染网页中获取数据代码？)

　　当我们抓取网页时，我们会使用一定的规则从返回的HTML数据中提取有效信息。但是如果网页收录JavaScript代码，就必须经过渲染处理才能得到原创数据。此时，如果我们仍然使用常规方法从中抓取数据，那么我们将一无所获。浏览器知道如何处理这些代码并显示出来，但是我们的程序应该如何处理这些代码呢？接下来介绍一个简单粗暴的抓取收录JavaScript代码的网页信息的方法。

　　大多数人使用 lxml 和 BeautifulSoup 两个包来提取数据。在本文中，我不会介绍任何爬虫框架内容，因为我只使用最基础的 lxml 包来处理数据。也许你很好奇我为什么更喜欢 lxml。那是因为 lxml 使用元素遍历来处理数据，而不是像 BeautifulSoup 那样使用正则表达式来提取数据。在这篇文章中，我将介绍一个非常有趣的案例——突然发现我的文章出现在最近的Pycoders周刊第147期，所以想爬

　　*敏*感*词*请求

　　当我们运行上面的代码时，我们无法获得任何信息。这怎么可能？该网页清楚地显示了如此多的文件信息。接下来我们需要考虑如何解决这个问题？

　　如何获取内容信息？

　　接下来，我将介绍如何使用Web kit从JS渲染网页中获取数据。什么是网络套件？Web kit 可以实现浏览器可以处理的任何事情。对于某些浏览器，Web kit 是底层的网页渲染工具。Web kit 是 QT 库的一部分，所以如果你已经安装了 QT 和 PyQT4 库，那么你可以直接运行它。

　　您可以使用命令行安装软件库：

　　须藤 apt-get 安装 python-qt4

　　现在所有的准备工作已经完成，我们将使用一种全新的方法来提取信息。

　　解决方案

　　我们首先通过Web kit发送请求信息，然后等待网页完全加载并赋值给一个变量。接下来，我们使用 lxml 从 HTML 数据中提取有效信息。这个过程需要一段时间，但你会惊讶地发现整个网页都被完全加载了。

　　导入系统复制代码

　　Render 类可用于呈现网页。当我们创建一个新的Render类时，它可以加载URL中的所有信息并将其存储在一个新的框架中。

　　url ='#39;复制代码

　　使用上面的代码，我们将 HTML 结果存储在变量 result 中。由于lxml不能直接处理特殊的字符串数据，我们需要对数据格式进行转换。

　　# QString 在被 lxml 处理之前应该转换为字符串

　　使用上面的代码，我们可以得到所有的文件链接信息，然后我们就可以使用这些Render和这些URL链接来提取文本内容信息了。Web kit提供了一个强大的网页渲染工具，我们可以使用这个工具从JS渲染的网页中抓取有效的信息。

　　总结

　　在本文中，我介绍了一种从 JS 渲染的网页中抓取信息的有效方法。虽然这个工具很慢，但它非常简单和粗鲁。我希望你会喜欢这个文章。现在您可以将此方法应用于您发现难以处理的任何网页。

　　愿你事事如意。